現在把鏡頭從你的公司拉到整個勞動力市場上。每個人都想要一張能進行自我對照的地圖，以判斷自己的工作到底安不安全。很多年前我就做過AI 將改變、甚至取代人類工作的預測，事實證明我的邏輯是對的。隨著AI 的飛速進步，我把這個預測更新成下面兩張地圖：一張給智力工作者，另一張給體力工作者。 下面先講兩條由兩張地圖共用的軸。

作者： 李開復 組織文化引擎——照亮最該被看見的人 前三個引擎處理的是資訊、執行和決策方面的問題， 但一家公司裡最複雜也最寶貴的資產始終是人，而人是執行長最難看清的那個變數。誰認真工作、誰只是嗓門大、誰明天就想走，這些答案藏在開不完的會和聽不完的匯報背後， 而組織文化引擎能讓它們浮出水面。 先講一件關於微軟的舊事。2000 年，我升任微軟全球副總裁。後來我才知道，在我毫不知情的時候，總部一年一度的人才盤點（People Review）已經把我的名字擺上了桌面——比爾．蓋茲和史蒂芬．巴爾默（Steven Ballmer）在人才盤點中，認為我是最適合出任一個新事業部副總裁的人選。那是我第一次真切地意識到在這家公司，頂尖人才的去向不是哪個部門領導人的「家務事」，而是最高層會親自過問的大事。 就任之後，我才看清微軟人才任用制度的全貌。公司每年把員工中最頂尖的1% 挑出來——不論資歷，只看潛力：這個人有沒有可能成長為管理線上的副總裁，或者工程線上的傑出工程師（Distinguished Engineer）。微軟的人資長（Chief Human Resource Officer, CHO）告訴我：

很多企業的AI 評估體系， 本身就在鼓勵「表面成功」。如果資訊長的KPI 還停留在AI 代理部署數量和使用率上，這種評估標準上的錯誤會系統性地產出看起來成功、實際上沒有價值的結果。專案做完了，也許報告寫得漂亮， 可在下一次財報電話會議上，不會有業績的真實成長。 這一切的背後有三個錯誤，且它們總是同時出現，認清它們才是找到出路的前提。

在AI 時代，資料輸入、基礎翻譯、會議紀錄整理等「認知型任務」的價值，正在快速降低。為什麼這麼說？當AI 的智商已經達到130 時，就能代勞那些依賴既定規則、記憶、模式識別和語言理解來處理資訊的工作。很多東西其實不用拍腦袋、自己在那邊想破頭，可以交由AI 處理。 數據已經把這件事量化出來了。Anthropic 在2026 年1 月發布的〈Amthropic 經濟指數：理解人工智慧應用的新基石〉（Anthropic Economic Index: New building blocks for understanding AI use）裡，有一個值得企業牢牢記住的數字：AI 已經能處理需要14.4 年正規教育的工作任務，而美國勞動力的平均教育年限是13.2 年。換言之，AI 在「需要受教育才會做的工作」這個層次上，已經超過美國勞動力的平均水準。如果你把這個對比放回台灣，整個圖像會更刺眼，因為台灣勞動力的平均教育年限與美國接近，AI 跨過去的那條線也一樣會跨過去。

如果你今天去看Anthropic、OpenAI、Google 三家公司的徵才頁面，會看到一批十八個月前根本不存在的職位：知識架構師、前線部署工程師、Harness 工程師、AI 編排師（AI Orchestrator）、人機協作主管（Head of Human-AI Collaboration）。這些職位的共同特徵是：基本薪資開到年薪30 萬美元起跳，加上股票與獎金最高可破百萬美元，但這些公司還是找不到人。如果你再去LinkedIn 上看大型企業的徵才需求，會看到完全相反的現象：傳統的初級資料分析師、初級行銷企劃、初級會計助理、客服代表等職缺，數量都比兩年前少了一半，薪資中位數也明顯往下掉。 兩個方向同時往極端走：頂尖的跨職能新角色搶到沒人，傳統的單一功能初階職位塞到沒人要。這背後是一場史無前例的職位大轉移。科技巨頭過去兩年的大規模裁員是這場轉移

rplexity、Claude，目標是在使用者沒有看搜尋結果頁、直接和AI 對話的場景下，讓AI 在生成答案時主動引用你的內容。 為了讓這兩個概念好理解一點，我用同一個比喻把它們連起來。可以把整個網路想像成一座超大的圖書館，你寫的每一篇文章，是這座圖書館裡的一本書。以前你去Google 這座圖書館問館員「蘋果派怎麼烤」，他會塞給你十本食譜，叫你自己翻。這是傳統SEO，誰排在前面誰贏。今天這位館員升級成AI 館員，你問一樣的問題，他會先幫你寫一張「重點小抄」，直接告訴你蘋果派的步驟；小抄底下，才是那十本食譜的連結。AISEO 要做的事，就是把你的文章寫到結構夠清楚、權威夠高，讓AI 館員在寫這張小抄的時候，第一個拿你的食譜當素材，並附上你的連結。主戰場仍然在Google，你要搶的是螢幕最上方那個位置，業界俗稱「零點位」（Position Zero）。 GEO 面對的對手已經換成「全能陪讀家教」，也就是ChatGPT、Gemini、Perplexity、Claude 這群直接坐在你旁邊聊天的生成式AI。你問他「蘋果派怎麼烤」，他不會給你食譜清單，也不會給你連結，會直接在黑板上寫出整篇教學。

人類不是第一次體驗經濟規則的巨變。18世紀末，一台蒸汽機開始在英國的紡織工廠裡轟轟作響，沒有人預料到，這台燒煤吐霧的機器會在接下來的一百五十年間，掀翻、重塑整個人類文明。農民湧入城市、手工業者被機械取代、全新的中產階級誕生，伴隨而來的是童工、貧民窟與殖民掠奪。《經濟學人》統計過，從工業革命爆發到人類逐步適應，整整花了一百五十年，一直要到20世紀下半葉，科層社會、教育制度與現代白領的工作型態才慢慢成型。換句話說，好幾代人都成了那場巨變裡的實驗品與犧牲品。現在，AI正在做一模一樣的事，只是速度更快。

乍看之下，庫魯病或羊搔癢症，與阿茲海默症之間只有一個共同點：都是致命的腦部疾病。但如同我們即將看到的，它們的相似之處更為深遠。阿茲海默醫生曾親自解剖過世病人的腦，發現細胞外有斑塊沉積，有些神經細胞裡還有纖維糾結。這些沉積的形成是疾病的成因還是症狀，起初並不清楚。 到了1984 年，科學家辨認出斑塊的主要成分為乙型類澱粉蛋白，這種蛋白質由更大的類澱粉蛋白前驅蛋白修剪而成，而這種前驅蛋白簡稱為APP（amyloid precursor protein）。阿茲海默症通常是老年才發生的疾病，未必因遺傳而來，但某些遺傳型阿茲海默症的病人，會在較早的年紀發病，這些早發型病患的APP 基因上就帶有突變。科學家還辨識出一種早老素，是一種酶，會將APP 修剪為成熟的乙型類澱粉蛋白。之所以稱為早老素，是為了點出它與早衰有關。這些蛋白質的突變，也會導致家族性阿茲海默症。

我現在的歲數和我祖父母去世時差不多，但身體仍然保持活躍，這樣的生活方式，是我祖父母在人生最後十年難以想像的。如今，人們愈來愈常活到90 歲或更年長才過世。我的個人經驗不過反映了全球人口在過去數十年的變化。幾乎在世界上每個地區，65 歲以上人口的規模與比例都在增長。高收入國家老年人口的比例目前接近20%，而且預計到了2050 年，世界許多地區的老年人口都將加倍。 同時，新生兒數量正在下降。這個現象最早在已開發國家發生，如今在全球各地愈來愈常見。這代表勞動者日益減少，卻要支撐未來愈來愈多的退休人口。亞洲某些國家日後的退休人口，可能高達勞動人口的兩倍。很多老年人還需要10 年、甚至20年昂貴的醫療照護。在社會安全網薄弱的國家，老年人要不是只能依賴家人，就只得自立自強，因此需要維持身心健康。即使是在老年福利比較健全的國家，人口老化對退休金與社會安全計畫也將造成巨大的壓力。

老化研究觸動了我們對死亡的原始恐懼，只要是可能延緩或消除死亡的事物，許多人都願意支持，尤其是加州的科技億萬富翁。很多人在軟體業致富，因為他們有能力撰寫程式，執行快速的金融交易或交換各種資訊，所以相信老化只是另一種工程問題，只要駭入生命密碼即可解決。 軟體產業快速的成功步調，讓這些人缺乏耐心。他們習慣在幾年、有時甚至是幾個月內做出重大突破，因而低估了老化的複雜。他們想要「快速行動，打破成規」。我們都知道這種態度怎麼影響社群媒體，對社會凝聚力與政治造成的影響，更是20 年前無法想像的。現在，正是同一批人過早把人工智慧釋放到世界上，同時又警告我們人工智慧很危險。想到有人用這種態度面對老化與長壽這麼深奧的問題，令人不寒而慄。 這些狂熱的科技富豪大多是中年男性（有些人與年輕女性結婚），很年輕就致富，享受當前的生活方式，不希望派對結束。他們年輕時想要變得有錢，如今有了錢，又想要變年輕。但青春是無法立即買到的東西，所以不出所料，許多有名的科技億萬富豪，都對抗老研究展現興趣，例如馬斯克、提爾、佩吉（Larry Page）、布林（Sergey Brin）、米爾納（Yuri Milner）、貝佐斯（Jef

張威珍帶著嘉威起飛的年代，過去的長期客戶，其中不少經由嘉威輔導上市櫃，後來成為大企業，張威珍與好幾位企業家一路相伴，關係緊密，超越商業往來，亦師亦友，雙方一起成長。 其中很特別的是，上櫃公司鈊象電子董事長李柯柱。 李柯柱與張威珍相識超過三十年。兩人同年出生，同樣來自中南部，同樣是窮苦出身的高職生，一個曾讀嘉義高工，一個曾讀嘉義高商，兩個技職體系出來的孩子，到北部創業，在各自領域發光。 李柯柱所創立的鈊象，原是嘉威的稅務客戶，在嘉威輔導下成功上櫃，為台股「遊戲股股王」。鈊象有優渥的員工紅利與獎酬制度，超過九成同仁近年年薪突破百萬元，分紅平均高達兩百多萬元，許多同仁都將公司視為自己的事業。 在事業經營上，李柯柱經營事業的理念，影響了張威珍，他將李柯柱視為老師，學習「與員工一起打拚，然後共享果實」，打造勞資雙方可以互信的循環，並且在嘉威發揚光大。李柯柱也借重嘉威的專業，邀請嘉威的會計師出任鈊象獨立董事。

二○一八年二月六日深夜十一點五十分，地震來得又猛又長。 花蓮人已經很多年沒遇過這樣的強震，不只樓在晃，燈在晃，整個人像被拋進一片沒有著力點的黑暗裡。等到第一波劇烈搖晃稍稍停下，我腦中浮起來的，不是街道變成了什麼樣子，而是另一個更直接的念頭：「醫院現在的狀況怎麼樣了？」 我很快拿起醫師袍，踏過散落一地的物品。太太正蹲著，小心翼翼的撿拾花瓶碎片，抬起頭看著正要套上醫師袍的我，只說了一句：「一切小心。」 我點點頭，從宿舍往急診走。那一路大約七、八分鐘，我沒有直接往醫院的入口衝去，而是邊走邊看醫院的外觀，從大愛樓一棟一棟數過去，再確認設有急診的合心樓完好無損、做為後勤行政的協力樓一切平安，這才加快腳步。 身在花蓮，災難來時，不能只想著收傷患，得先確認醫院是不是還站得住，還能不能成為別人的依靠。那一晚，我一路看著建築、燈光，以及院區傳來的動靜，心裡只有一個想法：「只要醫院穩得住，後面的人，就有地方可以回來。」

每次看到科技業分紅大暴發的新聞，非理工科系的文組生只能自嘲「與高薪絕緣」？其實，這完全是資訊落差造成的「認知世襲」。 很多人常問我：「我是文組、非本科生，真的有機會嗎？」確實，科技業需要大量的理工學生，如果你是理工學生，機會較大。不過科技大廠賺錢的方法很多元，需要的人才種類，也比你想像的更多。 丟掉你的自卑和擔心吧！一起來看一組會讓你大吃一驚的真實數據：

高中努力唸書，看看自己分數可以拿幾分。努力考學測，拉高分數，選了科系，準備書面審查資料，說自己對某個科系是多麽有興趣。最後進大學，把課修完，畢業。 即將要求職時，才想到要寫「履歷」。 一般學生是怎麼寫履歷的呢？其實就是在人力銀行這類的求職網站上，把自己的學經歷按照時間填進去。如果有專案經驗就寫上去。 接著，把準備好的履歷，一間一間的按下申請的按鈕。看哪一間公司回覆邀請面試，就去面試。 面試時，不想開期望薪資，請對方先開。對方開了一個新鮮人的薪水，能接受就去，不能接受就上網抱怨薪水低，上論壇罵公司。 矽谷的學生則不同。大家一定都看過那些「矽谷科技圈的工程師網紅」分享過，他們拿到多高的驚天年薪，或者是新聞也會報導哪些公司開出豐厚的高薪。連同現在加州也規定企業徵才，必須標出底薪的範圍。 畢業生爭相爭奪高薪或申請給出高薪的大廠職缺。為爭取優秀的畢業生，新創公司也開出不輸高薪大廠的職缺。 大家很有目標地調查薪水。好公司開出高薪來爭取優秀的學生，這些學生也看得到這些薪資資訊。

許多科技名人都曾說過，我們可以去觀察人們日常生活與工作流程中，有哪些長久以來不合理、大家卻習以為常痛點」。那些重複出現、讓人痛苦卻始終沒被妥善解決的問題，背後往往藏著巨大的市場空白。 既然創業是為了解決人們生活的痛點，那回頭看看我們每天身處的「職場」，其中也充滿了許多匪夷所思、長久未解的荒謬痛點。我撰寫這本書，就是為了直擊廣大上班族「無法拿到高薪」的職涯痛點。 從小努力讀書，突破層層競爭拿到漂亮學歷，出社會後卻發現自己根本拿不到一份高薪工作；我們把經歷精雕細琢寫成履歷，卻沒有一家公司願意開出符合身價的薪資；我們好不容易熬到一份穩定的薪水，到了三十歲成家立業的關卡，面對房價、車貸與生活開銷，才驚覺這份收入根本無法支撐理想的生活，甚至得被迫閹割掉一部分的夢想。

許多上班族換工作談薪水時，總覺得開高價很不好意思，深怕被當成貪心或難相處，最後只能在履歷寫上「依公司規定」。結果錄取後才發現，自己的薪水連後進的新人都不如，永遠被通膨追著跑。 在我們正式進入薪資談判的攻防步驟之前，我們必須先認識這個賽局裡最常見的對手策略，以及調整好自己的應戰心態。因為在核薪的過程中，大家談薪水都怕被「low-ball」，這是一個英語用詞，劍橋英語字典的解釋是「將某事物的價格或水準，不合理（或不公平）的壓低。」很多人看到對方開出一個低於自己心中的價格，低於自己在網路上查到的數字，就會覺得自己被「low-ball」（低估）了。 一般來說，談薪水沒有優勢（自己本來薪水偏低）的朋友，會希望對方「先開出標準包」（Standard Package）薪資，也就是依照職級的既定預算來核薪，而不是因為我們前職薪水偏低，而故意壓低薪水省預算，所以，對於急需「脫 離低薪循環」的朋友來說，直接瞄準大廠的標準包，是實現薪資跳躍最好的策略。

「4%法則」鼻祖威廉‧班根（William Bengen）用近百年的大數據直接打破這個迷思：當你的股票配置低於 35% 時，安全提領率反而會快速下降，因為債券的報酬根本不足以支撐你的退休生活！ 那麼，股票到底該配多少？大師最新的「七種資產配置研究」又發現了什麼白吃的午餐？讓我們一起來看看資產配置的黃金秘密：

現在，就讓我們跟隨大師的腳步，回到 1990 年代初那張試算表前，看看這個改變世界的「黃金數字」究竟是如何被運算出來的： 在我最早的研究中，我只使用兩種投資，也就是顧問所稱的兩種「資產類別」：美國中期公債與美國大型公司股票。所謂「美國中期公債」，是指由美國財政部發行、期限約為五年的國債，用以為美國政府的公共債務提供資金。而「美國大型公司股票」則是指在美國證券交易所上市的大型公司公開發行股票，例如沃爾瑪、家得寶、IBM、特斯拉等。 只有兩種資產，顯然很難構成大多數顧問所建議的高度分散的投資組合，但這能讓我得到初步結果，而且不過度複雜。我開始獲得一些答案。感覺令人振奮。現在仍然如此。好吧，我就是個書呆子！

在創投產業待了十多年，自然而然會遇見各式各樣不同的創業家。除非只是朋友彼此交流聊聊天，要不然這些創業家認真的找到我們這些投資人的時候，一定是心中想要多點資金，來幫助他們成就心目中的創業夢想。所以交流對於資金的需求用途，以及未來的報酬，就是彼此關注的重點。 而剛開始踏入這行的我，就非常喜歡跟著一位尊敬的創投前輩，一起去看案子。畢竟，「沒有慧根，也要會跟」。 這位創投前輩，常常在聽完創業家們分享之後，很認真的問他們一個問題：「您們有沒有想過，如果想要達到預期的夢想，以及獲利目標，是否有其他用錢更少，甚至不花錢的方法？」 剛開始聽他這麼問的時候，我心裡都會忍不住的好奇：「我們身為投資人，不就是為了給他們錢，才來聽取這些投資案的嗎？怎麼還要他們思考，如何花錢更少，甚至是用不花錢的方法，來達到他們的目標呢？」 顯而易見，我這樣的想法，和很多創業家們幾乎有著同樣的思維模式，所以常常得到他們的答案就是：「我們就是需要錢，才會邀請你們投資人來共襄盛舉。如果有其他的方法，我們就不會找你們了。」通常碰到這樣子的回答，這位前輩也只是笑笑，並不會做進一步的爭論。可是接下來，他也就不會對這家公司表達更多的興趣。

每當我做完財務思維的演講之後，常會有人告訴我，他也知道存錢很重要、不要亂花錢很重要。但接著就會問我：「所以說，不花錢就真的比較好嗎？」 這個時候，我就會問他，其實「不花錢」或「不買」有兩種不同的情況：有一種是「想要買，但買不起」；另一種是「買得起，但不去買」。雖然這兩種結果都是不買，也就是不花錢。但是，意義會一樣嗎？ 通常大家聽完之後都會哈哈大笑，然後告訴我說：「當然不一樣啊！」 對啊，當然不一樣。首先，「想要買，但買不起」，主要的關鍵，是讓我們知道，「要有能力，才能選擇」。記得自己第一次看「佐賀的超級阿嬤」這部電影的時候，就深受男主角昭廣他阿嬤的智慧所吸引。